摘要(Abstract)

个性化推荐系统是互联网和电子商务发展的产物,它是建立在海量数据挖掘基础上的一种高级商务智能平台,向顾客提供个性化的信息服务和决策支持。近年来已经出现了许多非常成功的大型推荐系统实例,与此同时,个性化推荐系统也逐渐成为学术界的研究热点之一。 [1 个性化推荐系统的基本框架如下: 参考国内最具代表性的百分点推荐系统框架来讲,个性化推荐系统的推荐引擎在个性化算法的框架基础之 百分点个性化推荐系统框架 百分点个性化推荐系统框架 上,还引入场景引擎、规则引擎和展示引擎,形成全新的百分点推荐引擎的技术框架,系统通过综合并利用用户的兴趣偏好、属性,商品的属性、内容、分类,以及用户之间的社交关系等等,挖掘用户的喜好和需求,主动向用户推荐其感兴趣或者需要的商品。 基于云计算的个性化推荐平台。消除数据孤岛,建立基于用户全网兴趣偏好轨迹的精准云计算分析模型,打通用户在多个网站的兴趣偏好,形成成用户行为偏好大数据中心。 多种智能算法库。基于多维度的数据挖掘、统计分析,进行算法模型的建立和调优。综合利用基于内容、基于用户行为和基于社交关系网络的多种算法,为用户推荐其喜欢的商品、服务或内容。 (一)新闻推荐 新闻推荐,包括传统新闻、博客、微博、RSS等新闻内容的推荐,一般有三个特点。 (1)新闻的item时效性很强,更新速度快。 (2)新闻领域里的用户更容易受流行和热门的item影响。 (3)新闻领域推荐的另一个特点是新闻的展现问题。 (二)电子商务推荐 电子商务推荐算法可能会面临各种难题,例如:①大型零售商有海量的数据,以千万计的顾客,以及数以百万计的登记在册的商品;②实时反馈需求,在半秒之内,还要产生高质量的推荐;③新顾客的信息有限,只能以少量购买或产品评级为基础;④老顾客信息丰富,以大量的购买和评级为基础;⑤顾客数据不稳定,每次的兴趣和关注内容差别较大,算法必须对新的需求及时响应。 解决电子商务推荐问题通常有三个途径:协同过滤;聚类模型;基于搜索的方法。 (三)娱乐推荐


主题(Topic)

项目(Project)